精华内容
下载资源
问答
  • 写在前面最近准备尝试跑一跑 TensorFlow GPU 训练模型,平时开发用 MBP,无赖显卡是 AMD 只支持 CPU 训练,但恰有闲置 Win10 笔记本电脑一台显卡 NVIDIA 支持 CUDA® 。Tensorflow GPU 训练加速需要支持 CUDA® ...

    v2-7cc2bb63a5caa1e1e5279a3dc06acc55_1440w.jpg?source=172ae18b

    写在前面

    最近准备尝试跑一跑 TensorFlow GPU 训练模型,平时开发用的 MBP,无赖显卡是 AMD 只支持 CPU 训练,但恰有闲置 Win10 笔记本电脑一台显卡 NVIDIA 支持 CUDA® 。

    Tensorflow GPU 训练加速需要支持 CUDA® 的 GPU 显卡,这里提到的 CUDA 指的是,是 NVIDIA 研发的一种并行计算平台和编程模型,它可以通过利用 GPU 的处理能力,可大幅提升计算性能的技术,更多查看相关内容

    环境搭建过程整体比较简单,查找下载相关工具包需要捣腾一会。

    1 硬件条件

    首先查看自己的显卡型号是否满足条件,TensorFlow 官方文档硬件要求提到了,CUDA® 架构为 3.5、3.7、5.2、6.0、6.1、7.0 或更高的 NVIDIA® GPU 卡。

    1.1 查看显卡型号

    第一步查看自己的显卡型号,进入 NVIDIA 控制面板,点击系统信息。

    v2-74633ad586378b981209fe6e7a4aebe9_b.jpg

    显卡型号为 GeForce GTX 850M,电脑比较老很早前的。

    v2-29e9f4cd645cd64757b03baa948d9f73_b.jpg

    1.2 查询显卡是否支持 CUDA®

    显卡型号为 GeForce GTX 850M,点击查看支持 CUDA® 的 GPU 卡列表,查看显卡型号是否在支持的列表里面。

    v2-ae3d71d0bea3d732ed7392fb08feabbc_b.jpg

    计算能力为 5,显卡支持 CUDA ,接下来查看 CUDA 驱动版本,NVIDIA 控制面板,系统信息的组件里面。

    v2-0054a1dfca1b13d7387508e4920f69aa_b.jpg

    版本为 11.1.96,在 TensorFlow 支持 CUDA 驱动版本范围上,如果版本过低可查看下面提到的软件下载进行安装升级最新驱动。

    2 软件下载

    2.1 下载安装 NVIDIA® GPU 驱动程序

    输入信息查询显卡驱动,下载安装最新的 NVIDIA® GPU 驱动程序,方便后面支持 CUDA Toolkit 安装 10.1 版本,CUDA Toolkit 10.1 需要驱动版本 418.x 或更高版本。

    v2-e15635bbdca34841e0de2c5b7567c26a_b.jpg

    版本号为 456.71,满足要求,然后下载下来后安装驱动。

    v2-5aebe3b7d85163de07372a4003123a85_b.jpg

    2.2 下载安装 CUDA® Toolkit

    CUDA 工具包提供了用于创建高性能GPU加速应用程序的开发环境。TensorFlow(TensorFlow 2.1.0 及更高版本)支持 CUDA® 10.1 的 CUDA® Toolkit

    v2-32125c572995b4245d9a357090794f37_b.jpg

    选择临时文件目录,这里选择了默认设置。

    v2-b69d531ef99906ca29fd6bac82559846_b.jpg

    然后一直下一步,直到这里,如果电脑上面没有安装 Visual Studio 会提示你安装 Visual Studio,如果后续有打算从源码构建 Tensorflow,则需要安装,具体安装内容可查看 在 Windows 环境中从源代码构建

    v2-77225568e423a210dbd4bdaa5fe264dc_b.jpg

    安装完成之后,会自动添加了几个环境变量到系统中,打开终端里面输入 nvcc -V 验证安装结果。

    v2-e356ae08673b5e339c1f8772f1ac2042_b.jpg

    2.3 下载 cuDNN SDK 7.6

    cuDNN 是一个 GPU 加速的深度神经网络库,下载 cuDNN SDK 需要注册 NVIDIA Developer Program,进入下载页面后选择 CUDA 10.1 的 cuDNN 7.6 版本。

    v2-fd6bc933b784badbd48bfe04a4681e85_b.jpg

    下载成功之后将其压缩包解压,拷贝放到 CUDA 目录 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1下面,这里拷贝是指将这三个目录下面的文件拷贝放入到 CUDA v10.1 对应的目录里面。

    v2-0f62fff5c08d4cf9e12b722a994d20fd_b.jpg

    2.4 TensorRT 6.0 (可选)

    用于可缩短用某些模型进行推断的延迟时间并提高吞吐量,可选择 Zip 方式安装,这里可选安装。

    v2-69b256874f62fdd9651f4c84f8fa6e3a_b.jpg

    3 安装 Anaconda

    使用 Anaconda 通过方便管理包依赖问题,,如果觉得 Anaconda 占用磁盘空间过大可以使用 miniconda,平时开发电脑上用的 miniconda,关于miniconda 安装使用可点击这个

    3.1 下载 Anaconda

    • 从官网下载:https://www.continuum.io/downloads 官网速度比较慢,不太推荐。
    • 从清华镜像下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

    3.2 安装 Anaconda

    安装过程也比较简单,需要注意以下两个地方。

    Anaconda 安装使用后占有磁盘空间比较大,如果 C 盘空间有限不推荐安装在 C盘。

    v2-6e255d654deb4a4dcf8bb09b2c7234cc_b.jpg

    下面有两个选择,第一个是将 Anaconda 添加到环境变量中,如果电脑上之前安装了 Anaconda 的另一个版本软件会影响 Anaconda 的使用,添加到环境变量的好处是可以直接打开终端执行相关命令管理包,如果不添加到环境变量也可以在 windows 的开始菜单里面找到 Anaconda Prompt ,然后在打开的终端上执行相关命令管理包,所以这里可以不添加到系统环境变量。

    第二个是将 Anaconda 的 python 3.7 版本设置成我电脑上默认的 python,这样你的 IDE 等编辑器会检测到这个版本,方便后面在 IDE 调试代码的时候可以用到这个版本,如果之前电脑上有装过 python 这里可根据你的情况适当选择。

    v2-5cf5ae1e215de2695673504382d83535_b.jpg

    3.3 配置 Anaconda

    Anaconda 官方的数据包镜像,下载比较缓慢,可以考虑用清华的镜像 https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

    将新的镜像地址配置到 .condarc 文件,配置镜像内容可以查看 Anaconda 清华镜像使用帮助

    4 测试

    4.1 安装 TensorFlow

    打开安装好的 Anaconda Navigator, 创建用于测试 tensorflow-gpu 虚拟环境。

    v2-5da5e9089d6475077b85b8d9a059dd20_b.jpg

    需要注意的是,如果你用 pip 安装官方发布的 TensorFlow ,可以直接安装 tensorflow 包即可,即 pip install --upgrade tensorflow,因为官方对于 TensorFlow 1.x,CPU 和 GPU 软件包是分开的,而 2.x 将其打包在一起的,另外 2.x GPU 软件包也有发布的,也可以 pip install --upgrade tensorflow-gpu 安装 GPU 包。

    在使用 conda 安装时, Anaconda Cloud 官方把 TensorFlow 2.x CPU 和 GPU 软件包是拆分了的,应该是为了减小包安装体积。

    使用 conda 安装 tensorflow-gpu,在输入栏输入 tensorflow 选择 tensorflow-gpu 点击 Apply 即可。

    v2-9f94a4141b6a7a01550a016cb1fbcde2_b.jpg

    4.2 运行代码测试安装结果

    打开当前环境的终端或打开 JupytarLab 或者 Notebook 运行以下代码。

    import tensorflow as tf
    from tensorflow.python.client import device_lib
    
    // 打印已有的 GPU 
    print(tf.config.list_physical_devices('GPU'))
    // 打印 GPU 设备名称
    print(tf.test.gpu_device_name())
    // 打印电脑上可以用于计算的设备
    print(device_lib.list_local_devices())
    

    在 JupytarLab 运行结果为

    v2-9ae8c3556eb361e5e7c5edc08af7be66_b.jpg

    打印出来了可用于计算的设备有 CPU 与GPU,并分别打印出它们的信息及 GPU 计算能力,安装成功之后,接下来就可以跑代码训练神经元网络了。

    4.3 一个简单的神经网络测试

    最后来跑一跑常见的一个入门 Hellow World DEMO,根据一个简单的公式和构建一个神经网络,简单预测房屋的价格。

    import tensorflow as tf
    import numpy as np
    from tensorflow import keras
    
    model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
    model.compile(optimizer='sgd', loss='mean_squared_error')
    xs = np.array([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], dtype=float)
    ys = np.array([5.0, 6.5, 8.0, 9.5, 11.0, 12.5], dtype=float)
    model.fit(xs, ys, epochs=1000)
    print(model.predict([7.0]))
    

    假如房子的定价很简单,如果一个带卧室的房子是 15 万 + 35 万,也就是一间带主卧的房子 50 万,两间卧室的房子 65 万,注此类推。

    输入 6 条数据,预测 7 间卧室的房子多少钱,这里把单位缩小,方便神经元网络对数据的处理,输入数据 1 代表一个带卧室的房子,输出 5,表示 50 万。

    v2-527156e945244967417c90110e43cb9f_b.jpg

    训练 1000 次,预测运行结果部分截图如下。

    v2-8986d844df50a6b7a2eaf9fd1355f807_b.jpg

    参考链接

    • TensorFlow 安装 GPU 支持
    • 安装 Tensorflow 2.1.0 版本

    原文首发地址 https://github.com/liuvigongzuoshi/blog

    展开全文
  • 一、Win10如何查看Nvidia支持的CUDA版本 1)打开“控制面板”,点击”硬件和声音“,点击“NVIDIA控制面板”: 2)在Nvidia面板中点击“帮助”,选择:系统信息 3)选择“组件”,找到“NVCUDA.DLL”,即可...

    一、Win10如何查看Nvidia支持的CUDA版本

    1)打开“控制面板”,点击”硬件和声音“,点击“NVIDIA控制面板”:

    2)在Nvidia面板中点击“帮助”,选择:系统信息

    3)选择“组件”,找到“NVCUDA.DLL”,即可看到支持的CUDA版本。

    4)选择“显示”,查看驱动程序版本。

    二、显卡算力

    运行C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\demo_suite目录下的deviceQuery.exe:

     

    展开全文
  • 电脑原本CUDA最高只支持CUDA9,但是我需要使用CUDA10. 因此找到了一篇博客,叫我如何手动更新NVIDIA驱动以支持CUDA10. 方法不难,不要害怕。 博客链接如下:...

    我的电脑原本CUDA最高只支持CUDA9,但是我需要使用CUDA10.
    因此找到了一篇博客,叫我如何手动更新NVIDIA驱动以支持CUDA10.
    方法不难,不要害怕。
    博客链接如下:https://blog.csdn.net/m0_37870649/article/details/105356540#%E5%9B%9B%E3%80%81NVIDIA%E9%A9%B1%E5%8A%A8%E5%8D%87%E7%BA%A7

    展开全文
  • 笔者在前人基础上进行归纳终结,也记录了期间遇到问题和解决方法,尽可能把实现步骤说明白。在此,也特别感谢博主:広仁,与他讨论了许多细节问题和错误,接下来进入正题。 1. 运行环境与前期准备 2. 使用cmake...

    目录

    1.引言

    2. 运行环境与前期准备

    3. 使用cmake进行编译

    4. 使用vs2017进行工程编译

    5. 如何使用

    6. 问题及解决方法

    6.1 文件download失败解决方法:

    6.2 其他问题:


     


    说明:这一块坑比较多,再参考了大量资料才成功实现,一次编译花费近两个小时,十分费神。笔者在前人基础上进行归纳终结,也记录了期间遇到的问题和解决方法,尽可能把实现步骤说明白。在此,也特别感谢博主:広仁,与他讨论了许多细节问题和错误,接下来进入正题。


    1.引言

    2019年12月23号,openCV发布了新版本4.2.0,其中比较重要的更新是对主流深度学习模型进行了cuda支持。openCV4.2.0
    不过该模块还暂未以release版本发布,需要自己利用cmake进行导出编译,最终可用于c++/python下的opencv_dnn模块加速。

    2. 运行环境与前期准备

    运行系统:

    1)win10 系统

    需要提前安装的软件:

    1)   Visual Studio 2017 社区版(先安装好,否则cuda无法正常安装)

    2) cuda10.0cuDNN7.6.4 (后安装)

     

    注:cuda安装也有坑,笔者会单独出一篇安装教程:地址

    版本说明:cuDNN一定要7.5版本以上,否则CMake将无法识别出cuDNN路径。

    3)OpenCV4.2.0OpenCV Contrib 4.2.0

          opencv 下载地址

          opencv_contrib 下载地址

    注:在github上将源码压缩包下载下来即可

    4)  Cmake3.18

         cmake 下载地址   选择适合自己电脑的版本

        版本说明:CMake版本不适宜太低,推荐3.14版本及以上。

    3. 使用cmake进行编译

    1. 打开cmake ,设置opencv源码目录和编译输出目录,并勾选

    2. 点击configure,设置编译平台,之后开始第一次confirure

    接下来就是第一个坑了,全程高能!!!!

    3. 第一次configure后,中间会下载一些缓存文件,但用国内网基本都会失败,无法正常安装。但如果你是幸运儿,可以接着往下看,如果你相笔者一样下载了十几次都不成功,请看第六章:问题及解决方法。

    4.   第一次configure,若输出窗口没有文件下载失败警告才可执行以下(内容比较多,滑动看看,有大红的位置就看看,仔细点)

          勾选BUILD_opencv_world、WITH_CUDA、OPENCV_DNN_CUDA、

          设置OPENCV_EXTRA_MODULES_PATH,之后第二次configure

        4.1 BUILD目录下:勾选BUILD_opencv_world

          

         4.2  OPENCV目录下:勾选OPENCV_DNN_CUDA 、设置OPENCV_EXTRA_MODULES_PATH

         

          注:选路径不要复制粘贴,要通过右方进入文件夹选

          4.3 WITH目录下:  勾选WITH_CUDA   

                           

    5.  若还有报错(第二次configure之后),找到CUDA_ARCH_BIN,根据https://developer.nvidia.com/cuda-gpus此网站找到自己显卡的算力填入(我的显卡是960M,算力为5),并且勾选CUDA_FAST_MATH,将OpenCV_GENERATE_SETUPVARS的勾去掉,第三次configure:

        若无报错可往下继续:

     6. Configure done后(没有任何报错),需要仔细检查以下信息:

      (1)OpenCV中必须包含cuda、python3
      (2)必须要检测到正确版本的CUDA和cuDNN

     

    7. 步骤6的条件都满足后,可以点击Generate,generating done之后,点击Open Project. 

       到此cmake任务完成。

      接下来考验耐心的时候到了!!!

    4. 使用vs2017进行工程编译

    1. 设置编译平台(Release/Debug均可)和 x64, 右键ALL_BUILD-生成,生成时间较长,需要1.5小时左右:

    期间可能会有些乱码,大家不必惊慌,玩玩手机,耐心等待,此时电脑会比较卡。

    2. 经过漫长等待,全部生成成功(前面步骤很重要啊)

    3. 生成成功后,右键INSTALL-仅用于项目-仅生成INSTALL

     

     

       至此,祝贺大家成功将CUDA编译至OpenCV DNN模块,接下去python平台下的opencv dnn进行测试。

    5. 如何使用

             在编译输出文件夹lib\python3\Release下的cv2.cp37-win_amd64.pyd 和 文件夹bin\Release目录下所有文件复制到python环境Lib\site-packages下。若你已经安装了opencv, 替换掉即可。

        例如:笔者安装了使用的是anaconda自己创建的虚拟环境 test,所以我放到以下目录:

    到此已经配置完成,之前的opencv编译文件使命完成,可以删除也可以保留备用。

    6. 问题及解决方法

    6.1 文件download失败解决方法:

    方法1:巧借东风

             最便捷的就是挂VPN,笔者用外网两次就全部下载成功

    方法2:  自食其力

         文件下载失败和网络有关系,而且一旦失败就会有多个文件下载失败,下面以第一个下载失败文件为例,进行说明,日志如下:

    从上面可以看出,下载日志在保存在“E:\opencv4.2\opencv\sources\build\CMakeDownloadLog.txt”文件内,打开文件,搜索"ippicv",  第三行即为本文件信息:

     其中上面为本地缓存路径,下面为下载网址,直接复制网址到浏览器下载,如果浏览器也下载失败,可以尝试将地址复制到迅雷进行下载.

    下载后保存到“E:/opencv4.2/opencv/sources/.cache/ippicv/”目录,删除目录内大小0KB的文件(如果有), 并按照d222685246896fe089f88b8858e4b2f-ippicv_2019_win_intel64_20180723_general.zip重命名。

    方法三: 

             最轻松的就是拿别人下好的了,笔者会上传百度云分享给大家,或者留下联系方式。

     

     

    6.2 其他问题:

           有些问题笔者并没遇到,所以无法给出解决方案,我把网上看到的分享给大家。

            https://blog.csdn.net/length85/article/details/103767475#1

     

    参考资料:

    https://blog.csdn.net/stjuliet/article/details/107812875#comments_12992454

    https://blog.csdn.net/weixin_39928773/article/details/103709184

    https://blog.csdn.net/length85/article/details/103767475#1

     

     

    展开全文
  • 如何查看电脑是否支持CUDA支持的CUDA版本 二、如何知道我的显卡是否支持CUDA加速 三、查看显卡是否支持CUDA支持的版本 如下方案亲测试可用 一.如何查看电脑是否支持CUDA支持的CUDA版本 一般NVIDA的...
  • WIN10下查看CUDA版本 & 显卡计算能力

    千次阅读 2020-05-30 11:45:03
    显卡计算能力一、查看显卡支持的NVCUDA版本号二、查看自己显卡计算能力 一、查看显卡支持的NVCUDA版本号 1.在 开始菜单 或 右击桌面 打开 NVDIA控制面板 2.点击 系统信息 3.在弹出的 系统信息对话框 , 点击 组件 ...
  • 查看电脑显卡(GPU)是否支持CUDA

    万次阅读 2020-03-04 14:46:26
    创建于:2020.03.04 修改于:2020.03.04 文章目录1、背景知识2、查看方法3、参考连接 1、背景知识 win10环境下,在Anaconda环境里面,想安装tensorflow...CUDA(Compute Unified Device Architecture),是显卡厂商N...
  • 前言 本文将描述如何通过pip指定版本安装Pytorch,...CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出运算平台。 二、安装 以pip安装为例,需求为: Pytorch1.4.0、torchvision0.5.0、无cpu 安
  • 最近电脑更新了一下配置,因此需要重新配置一下开发环境。在安装CUDA9.2过程中碰到了一些坑,现在记录下来省以后遇到又麻烦半天。 1、安装环境和配置 win10 64位操作系统 + visual ...2080ti显卡支持CUDA10...
  • 先我想安装cuda去启动其中一块NVIDAGPU,就必须要知道它支持什么版本的cuda NVIDIA GeForce MX150 是否支持cuda 在Nvidia的支持CUDA的GPUlist上,没有找到这个型号GPU....
  • 1.NVIDIA控制面板打开方式: 最简单方法: 右击桌面就可以看到。 复杂方法: 控制面板里面找, 2.显卡支持CUDA版本号。
  • 安装CUDA确认计算机的显卡型号:在设备管理器中查看GPU的型号,前提是你的计算机要有独显2. 确定显卡支持的CUDA版本:打开英伟达控制面板→帮助→系统信息→组件,查看CUDA版本 3. 到英伟达官网下载对应的CUDA版本...
  •   由于深度学习需要大量的数据计算,如果有一张强大的显卡,或者采用显卡计算,会节省时间。许多深度基础库如keras,tensorflow等,默认采用显卡进行计算。如果读者的电脑采用英伟达显卡,那么需要分两步走,第一...
  • win10 GTX1080配置Python CUDA、CUDNN支持

    千次阅读 2019-05-09 20:51:53
    1 环境 win10 64位 ...选择“系统信息”--“组件”,找到NVCUDA.DLL信息显示即为显卡支持的CUDA最高版本。 通过查看后面产品名称中数字即为最高支持的CUDA版本,然后从下面链接中下载对应的版本 h...
  • 深度学习CUDA显卡驱动等安装总结

    千次阅读 2019-01-30 10:47:13
    1.显卡支持的CUDA 版本可以向下兼容,显卡驱动支持CUDA10的都可以支持10以下的,所以不要刻意对齐版本 2.配置环境相对比较靠谱的教程: http://www.robot.t.u-tokyo.ac.jp/~miyagusuku/deeplearning,/install/...
  • PaddlePaddle支持RTX30系列显卡...RTX30系列显卡是Nvidia在2020年10月份发布最新型号,很多AI库都不支持,主要原因是RTX30只支持CUDA11.1版本,而大多数AI平台对CUDA11.1都还没有支持。 一、简易安装指南 PaddlePa
  • 问题 1.执行Nvidia-smi 命令没有报错,能够显示驱动...30系列显卡是新一代架构,新驱动不支持cuda9以及cuda10,所以必须安装cuda11、而pytorch现在稳定版为1.6,最高仅支持到cud10.2。所以唯一办法就是使用上处于beta
  • 这里我先下载了cuda10.1版本,不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0版本,所以之后我又重装了一遍cuda9.0,中间还经历了删除cuda10.0,两个版本安装都是一样。 进入官网:...
  • Nvidia: Mx150 CUDA10安装驱动

    千次阅读 2019-07-10 10:12:15
    参考这个:GeForce MX150显卡+Ubuntu16.04安装NVIDIA驱动+CUDA9.0+...CUDA支持版本对应列表: CUDA 版本,显卡驱动,Ubuntu版本,GCC版本之间对应关系 2. sudo apt-get purge nvidia* lsmod | grep nou...
  • 这里我先下载了cuda10.1版本,不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0版本,所以之后我又重装了一遍cuda9.0,中间还经历了删除cuda10.0,两个版本安装都是一样。 进入官网:...
  • 1、安装NVIDIA显卡驱动 (1)首先确定自己是否有NVIDIA显卡,如果没有可以关页面了;...NVIDIA控制面板—帮助—系统信息—组件,就可以看到显卡支持的CUDA版本,具体操作见下图: (2)根据自己显卡支持的C
  • win10查询cuda版本

    2021-05-13 21:49:31
    而通过nvidia-smi指令与nvcc -V往往显示的cuda版本会不一样,其实,通过nvcc -V才是目前我们电脑上安装的cuda版本,而nvidia-smi显示的cuda版本是当前显卡驱动支持的最高cuda版本。 ...
  • 文章目录0 前沿1 显卡驱动和CUDA...笔者之前的cuda是10.2版本,驱动版本440.10,ubuntu18.04系统更新上最新驱动号也就440(可能是系统版本有点老) 而cuda11要求驱动450以上版本,所以需要下载独立安装驱动 【N
  • 因为现在serving不支持cuda10,按照https://github.com/PaddlePaddle/Serving/blob/develop/doc/COMPILE_CN.md这个教程,修改Gpudockerfile.gpu.devel文件,仅修改FROM nvidia/cuda:10.1-cudnn7-devel-...
  • win10CUDA安装之路

    2019-12-20 10:47:45
    我的笔记本能支持的CUDA最高版本是 10.1 2.安装CUDA 10.1 CUDA版本选择还要要看操作系统和编译环境的需求。CUDA 10.1支持的操作系统和编译环境参考下图: 下载CUDA Toolkit【CUDA Toolkit下载传送门】 验证是否...
  • 破本子:显卡MX250 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown基本语法知识。 新改变 ...
  • 一、anaconda安装 ...根据自己需要下载anaconda版本(本文考虑到python3.7可能有些兼容问题采用是Anaconda3-5.2.0支持python3.6) 百度网盘链接:https://pan.baidu.com/s/1UUVJRWs1bjLD8HALbw...
  • cuda9.0 for win10.txt

    2020-06-29 10:37:19
    CUDA10.0 WIN10版本 官网下载打不开用这个 CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出运算平台。 CUDA™是一种由NVIDIA推出通用并行计算架构,该架构使GPU能够解决复杂计算问题。 ...
  • 在安装完cuda10.1之后,cmd下执行nvcc -V,...我机子的显卡驱动版本太低,为398.xx,不支持cuda10.1 解决: 更新显卡驱动至当前最新版本(430.xx),问题解决 最新显卡驱动程序安装途径: https://www.nvidia.cn/Do...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 397
精华内容 158
关键字:

cuda10支持的显卡